移动互联网迅猛发展的时代，如何熟练挖掘、整合大数据应对舆情热点，成为9月9日举行的2018媒体融合发展论坛舆情与大数据分论坛的议题。围绕“数据驱动‘后舆情时代’”主题，多名专家学者、行业代表展开深入探讨，让400多位与会听众经历了一场头脑风暴。

中国互联网发展基金会理事长马利指出，互联网的迅猛发展，对新形势下的宣传思想工作提出更高要求，机遇和挑战并存。人民日报社研究部主任崔士鑫认为，通过监测和分析来对社情民意进行正确引导，是助推社会治理体系和治理能力现代化的有效手段。

分论坛的主办方人民网、人民在线对此作出有益的探索。“10年风雨历程，我们打造‘舆情+’‘平台+’‘咨询+’三大业务板块，服务了1000余家政府和企业客户，培训4000多名网络舆情分析师，为数万党政干部提升舆情应对技巧及普及新媒体知识。”人民网舆情数据中心执行主任、人民在线执行总经理董盟君说。

“大数据作为基础性战略资源，已成为重要的执政资源。”人民网党委书记、总裁叶蓁蓁说。

站在数据驱动“后舆情时代”的新起点，首先要发展壮大大数据产业和事业。贵州省委网信办副主任刘冲介绍，贵州坚定不移推动大数据战略向纵深发展，加快推进大数据与实体经济的融合，整体带动和提升新型工业化、城镇化、农业现代化水平，“大数据”成为贵州的一张新名片。

大数据如何驱动金融科技创新？传播要遵循怎样的时间轴？大数据+政务将带来怎样的效应？来自金融、高校、网信工作一线的嘉宾，也从各自的角度给出了颇具启发性的见解。

在当天的论坛上，人民数据管理(中卫市)有限公司宣告成立，将为各级党政机关、企事业单位提供安全存储、专业灾备服务和大数据标准化代加工服务，并可根据各类大数据应用的业务需要提供云计算、大数据、人工智能平台及数据应用管理平台。“人民网舆情数据中心、人民在线愿意以大数据开放共享平台为依托，与合作方共筑人民数据大数据生态系统，开启舆情行业下一个黄金十年。”人民网副总裁、人民网舆情数据中心主任唐维红说。

（来源：人民日报）

我分为两部分回答这个问题——干什么、怎么干。

1，干什么（大数据风控的目的是什么）

可能大家都知道，当我们想去银行办一笔贷款的时候，从客户的角度，大概流程是这样的，

当我们换个角度，从银行的角度来看，流程又是这样的

从上面两张图看起来，这里有这个重要的环节就是，在贷款申请人提交了申请资料之后，银行需要来审核这个人的申请资料。毕竟是银行要先给你钱，银行总要知道你以后是很有可能会还这笔钱，而不是说拿了钱就跑。

拿一笔房贷来说，如果你贷款300万元，年化利率是5%，一共贷30年，那么在这30年中，银行大概是一共可以收你200万多的利息(是不是很多？)。这个钱其实也就是银行赚的钱(如果你知道资金成本这回事，你应该已经不是这个问题的读者了)。

那从合理的角度来说，我一笔可以赚到这么多钱，那么我派好几个人来审核你的贷款，从成本（主要是这几个人的工资）上来说也是划算的。

我们再来看看这些小额贷款。如果你贷款2000块，只借一个月，就算在这一个月，我收你10%的利息(年化利率比100%还高，是不是看起来很高？)。那么从金融机构的角度来讲，他只能赚200块。从这个角度来说，如果我再派一个人花好几天的时间来审核你的贷款申请，先不讨论客户体验的问题，仅从银行收入的角度来说（赚的钱还不够发工资的呢，更别说别的成本了），就不是一个合算的买卖。

我们该怎么办呢？

真相只有一个——用机器(主要是电脑)去提高劳动生产率，把成本降低到能让企业赚钱的程度。

但用电脑代替人有一个很重要的前提是

用数字去描述人的各种行为，并且要把这些描述逻辑写成电脑程序，以便电脑可以执行。

所以，简单说来，用电脑代替人来进行贷款审核，会需要如下的四类职位共同的协作来完成（毕竟他们需要的专业知识还是有相当差距的），当然实际情况会比这个复杂的多。

业务人员

这类职位主要确定我们的金融产品的相关细节，他会懂得客户的需求和金融相关的知识，一般来说，他是所有需求的发起者。

数据分析师

这类职位的主要作用就是把业务需求转化为数学逻辑。

IT研发

这类职位就是把数据分析师所得到的数学逻辑写成计算机程序和代码。

IT运维

这类职位的主要作用就是保证电脑的正常运行，不要死机。

当然，根据实际情况职位之间也会有相互交叉，同时也会有更多细分的职位。

我们说的大数据风控其实就是这里提到的数据分析师和业务人员的结合体。而大数据风控的目的也就是把人对风险的判断转换成电脑可以识别的数学逻辑。

谭建荣

中国工程院院士

于2018年9月14日中国大数据创新发展高峰论坛演讲实录

各位领导，各位嘉宾：

很高兴又一次来到无锡，这次是受中国电子学会和无锡市的邀请来参加大数据高峰论坛。考虑到大数据非常重要，但大家对它的认知还是不够。所以我的这个题目叫做“大数据思维、大数据产业，关键技术与发展趋势”。到底大数据的内涵是什么？中国有一个特点，就是对这个思维方式还不是太重视，尤其现在是追求后端，对前端研究比较少。中国“互联网+”搞的轰轰烈烈，但是在信息技术领域，从互联网到物联网，从大数据到云计算，从虚拟世界到人工智能，从理论方法、技术工具一直到软件，基本上都是美国学者和美国工业界提出来的。中国在理念上的源头比较少，所以我想发展大数据产业大家积极性很高，但是从哪起步？我觉得是大数据思维，没有大数据的思维，大数据产业是搞不了的。

首先谈一下大数据的思维方式。改革开放以来，我们国家制造业有了很大的发展，特别是江浙两省成为全国经济的排头兵。前段时间有两种观点，第一个认为中国制造业取得了很大的成绩，这种观点只看到了成绩，没有或者不愿意看到问题。另外一个观点认为制造业一塌糊涂没有什么成绩。这两个我都不赞成，我认为中国制造业既取得了很大的成绩，这个不容否定，同时又存在很多的问题。这个问题主要是因为中国制造技术含量偏低，我们搞数字经济、大数据、制造业需要转型升级，已经形成了共识。政府如何推动制造企业的转型升级，专家如何引导，企业如何实施，我们国内企业做了不少的标准。但是我们的标准有两个问题。第一个是先进性，很多企业做的标准缺乏理论、计算、仿真、数据的支撑；第二个是操作性，标准没有真正用在指导、设计、加工、装备整个过程，标准的前生命周期体系没有建全。过去我们说一流企业有标准，现在要做一个修改，因为标准是需要数据支撑的，所以一流企业要做数据，企业的产品、设备、厂房很重要，但更重要的是你为行业提供了多少数据、标准，这个软的东西可能比硬的东西更重要。

而在大数据的支持下，互联网+、数据经济、数字制造成为不可抗拒的潮流。有些学者认为，美国喜欢炒作，过去是海量数据，现在提出来大数据。实际上这是一个误解，什么叫大数据，还没有统一的定义。40多年前，华盛顿大学教授阿尔温·托夫勒提出了大数据的概念。美国副总统、哥伦比亚大学教授提出了一个著名的概念叫“数字地球”，美国的“数字地球”概念引领了全球的数据化。大数据给社会带来了深刻的变化，这个变化总结为三个部分，第一，推动科学技术的创新；第二，推动研究方法的改变；第三，推动思维方法的变革。

什么是大数据思维

第一，大数据资源是重要的战略资源。

第二，大数据是高技术，需要高技术的人才，同时大数据也是各类客观规律的反映。这句话非常重要，特别是对于在座的领导，我们企业家从哪里找市场？你的客户群在哪里？从大数据去找。我们政府的决策，科学、政策、公开、透明，必须要有大数据。

第三，大数据是创新转型的主要依据。企业转型升级的主要依据是大数据。这三条是大数据的思维的主要宏观规律。

大数据的技术联系

第一，大数据大局观。有人问我大数据为什么要大？学过统计学的知道，统计学有一个大数据，当数据的样本无穷大的时候，它的期望值就等于它的均值，这个很重要，这样才能把规律本质反映出来。

第二，大数据强调关联。通过大数据看看有没有关联，大数据强调数据协调、数据匹配，数据之间有联系。如何协同，如何匹配，这是大数据里面的协同观，也是大数据的一个基本要求。

第三，大数据聚集观。大数据价值通过数据挖掘、数据聚合出来的，所以我们要有一个聚集观。

大数据产业的应用

2017年的中国政府工作报告中说道，要把促进数字经济加快发展，让企业广泛受益，群众普遍受惠作为国家层面的战略。大数据现在成为数字经济的主要技术手段，那么大数据作为技术经济，他要遵循三个法则：

第一，梅特卡夫法则，网络的价值等于其节点数的平方。

第二， 摩尔定律，计算机硅芯片处理能力每18个月翻一翻，价格以减半数下降。

第三，达维多定律，进入市场的第一代产品能够自动获得50%的市场份额。

大数据产业应用要注意的问题

第一，大数据资源的来源与拓展。如果我们做个医疗大数据，首先要把北京301医院、上海的医院，高水平医院的CP值，还是工程的偏值，我们要保存起来。如果没有这个数据，就是欠缺的。所以要保留数据的来源，否则就成为“空城计”。

第二，大数据人才的引进和培养。怎么样获取人才？第一个引进，第二个更重要的是自己能够培养。我们现在搞人工智能，人工智能的人才缺乏几十万，所以南京大学就开办了人工智能学院。大数据也是这样，开办新的专业，培养人才。

第三，大数据硬件的构建与维护。这个非常重要，基础研究很重要，我们一定要以基础研究、软件算法引领大数据的发展。当然对大数据来说，云服务平台的打造很重要。大数据要形成云服务有两个要点：第一个资源虚拟化，第二个软件服务化，大数据和云服务化是紧密关系。

浙江大学在大数据方面也做了很多的工作，包括高端数控机床等等，欢迎各位企业家、各位领导，到杭州来，到浙江大学来，进行人才培养、技术培训交流，因为时间关系我讲到这里，谢谢大家。

[ 亿欧导读 ] 大数据产业：1）“大数据产业”并非一个独立的产业，他只是一个服务性的工具；2）大数据思维比大数据本身更重要，物理模块比数字模块更有价值；3）“没有数据源”是个伪命题；4）市面上诸多大数据培训忽悠的成分很大···

图片来自“123rf”

忙里偷闲、撰写此文，绝非跟某些技术官僚过意不去，而是为了提醒企业家、投资人和政府有关部门：加力推动大数据产业发展的核心目的是服务于各个行业的产业升级和业态创新，而不是惟大数据而大数据，既不应陷入大数据发展盲区，更不要掉入少数学院派技术“权威”挖掘的“大数据”陷阱。

“大数据”一词越来越火辣，煽情全球。出于一种职业精神和科学良知，我和我的团队，近几年来深入调研剖析“大数据”产业到底是怎么回事。从美国的SaaS、亚马逊、谷歌、苹果、思科到中国的华为、腾讯、浪潮及航天某某研究所；从美国北卡三角地、旧金山的硅谷、波士顿的哈佛及MIT到中国的北京中关村、深圳前海、清华大学及北大——等等。

我们通过诸多神不知鬼不觉的走访、调查和分析，终于可以撕下“大数据”神秘的面纱，也确实搞明白了：数据处理技术如何才能服务于各个产业领域的技术升级和业态创新；同时也搞清楚了：为什么海内外相当一些所谓的“技术权威”及科研机构，能够靠玩概念、攒项目从政府和投资人那里攫取大把大把的资金，最后却没有实质性成果。

而实实在在的大数据成果，却来自一流的IT企业内部。最近几个月，受邀走访调研了全国二十多家科技产业园区，感触良多，不吐不快。

1、撕开“大数据”的神秘面纱：原来如此！

技术进步及社会演进，正在推动整个人类的生活生存方式、消费结构全面转型，并加速迈向数字化时代。可以预见，未来十多年，“大数据”思维及技术创新，将更猛烈、更深刻地颠覆传统产业形态。

这意味着：几乎各个产业领域都将迎来基础数据工程建设及大数据应用系统建设两方面的爆发式发展的机遇。因此，说大数据产业是值得挖掘的金山银山，一点也不过分。但这并不等于“大数据”是万能的、大数据产业的发展可以随心所欲。

现在，中国经济运行虽然已经步入严寒季节，但“大数据”一词热得烫嘴，无论是政府官员、产业精英，还是IT领域、高等学府、高技术开发区，如果开口闭口不说“大数据”，似乎都不好意思“混在当下”；如果嘴里偶尔能蹦出一两个诸如Hadoop、Storm、Spark、IOE的时髦名词，就更显出一幅业内高手的神态。

其实，我要说的是：“大数据”并不是什么新鲜玩意儿，自从工业革命开始以来，数据科学就越来越得到人们的重视，只是到了21世纪初，数据应用的积累，深深触动了产业重构和业态创新，“大数据”一词才应运而生。

“大数据”并非数据越多越好、运算量越大越好，其综合含义应当是：针对并服务于某个特定目标的立体数据生态系统，而且这个系统中的前端功能模型、中断数据架构及后端算法及编程，是一个统一体系。确切地说，“大数据”概念的内涵及外延，主要体现在三个层面：

一是基于行业趋势及产业业态创新的需求端“功能模块”的构建，这是一个需要具有大数据思维逻辑的产业经济的命题。比如：如果要优化一个区域的旅游产业结构、投资结构、资源配置结构，可以通过完善产业供给链达到延伸游客消费链的目的，这就需要建立区域性的动态运行的“旅游产业大数据”信息系统，而此举首先要做的是：产业发展物理模块的策划、设计、搭建和论证。这项工作是实施这项大数据项目的“前提”。

二是基于产业发展功能模块基础的“数据模块”的搭建设计，这是一个紧密服务于应用端诉求的有效数据关系分析、确定算法的复杂过程，这也是数据建模及搭建特别功能属性的数据仓库的过程，需要用人力思维与计算机算法的有机结合。目前，这个领域的技术才刚刚开始向产业领域渗透，未来可拓展空间很大。

三是基于数据模块进行的数据挖掘、采集、清洗和应用编程。这个过程实际上是“技术工人”的工作，多数计算机及信息系统专业的人都可以完成，如果在熟练应用传统计算机信息系统应用软件的基础上，熟练掌握Hadoop、Spark、IOE等操作系统，就可以完成此项工作，但更多的工作量还得基于Excel来完成，因此，把Excel玩熟玩透是玩好大数据的基础，或许更有价值。

综合来看，大数据人才的价值主要体现在上述的前两个层面。

2，一流的大数据人才到底隐身何处？

当下的中国乃至全球，能真正看清“大数据”的真正面目，并通过数据革命引领产业创新的优秀人才屈指可数，到是人云亦云、跟风弄潮者确实不少。可以不夸张地说，全球范围类，类似Perntland（MIT）、Norvig（Google）、Geoffrey Hinton（Google）、鄂维南（北大）、Andrew Ng吴恩达（百度）这样的大数据专家，全球也不过二三百人，而赴其后尘者的新锐大数据专家，估计全球不过千人左右。

所谓的大数据专家，不单是计算机及信息系统领域的专家，也不是行业及专业领域里的权威，而是善于把应用诉求端与数据技术服务端，用大数据思维整合到一起的复合专家，通俗来讲，是市场行家、产业及产品专家、有效数据资源识别及配置高手的复合体。

大数据专家既可以是一位在某个行业领域里具有这三项功能的复核人才，比如：MIT的Perntland、谷歌的Norvig、百度的吴恩达等大牛，也可以是具有这三项功能的人形成的“人才组合Team”，比如亚马逊的物流物联研究小组。真正的大数据专业人才之所以太稀少，是因为他们的思维细微深深扎根于市场，他们是从市场上“野蛮”生成的，绝非闭门于高等学府可以修炼出来的。

上述的这些大数据专家到底隐身潜伏在哪里呢？俗话说：大隐隐于市。他们就隐身于一流的科技公司埋头钻研。纵观全球，百分之七八十的优秀大数据专业人才，都就职于全球顶尖的科技公司，在高等学府和基础研究机构的大数据专家的确很少。

苹果、亚马逊、谷歌、高通、SaaS、思科、华为、腾讯、阿里、百度等等全球前50家顶尖企业，几乎垄断了大数据专家，然而，他们未必意识到自己就是一流的“大数据”专家。相反，有不少深居高等学府、科研机构和咨询公司的一般的计算机及网络技术专业人士，却自诩为“大数据专家”，在全球范围内混吃混喝。

今天的中国，我们看到的是不少伪专家一方面给企业家、投资人灌迷糊汤，一方面给政府官员贴膏药。有些所谓的大数据专家，头顶不少学术桂冠，虽然立项后拿到了政府和投资人的项目经费，却老虎吃天不知如何下口，索性关起门来，只停留在“Excel”的基础上闭门坐车，盲目地捣鼓数据库。值得警惕的是：投机心态驱使下的一些缺乏实战经验的“学术权威”，正在编制“大数据”陷阱，政府及投资人如果不能认清“大数据”的真面目，很容易就掉入“陷阱”，盲目投资。

3，中国要振兴“大数据产业”得先做好两件事

很多人在玩弄新概念和时髦名词方面，似乎有天生的优越基因。现在，不少人开始大肆忽悠“大数据”产业，其中不乏别有用心的投机者和半生不熟的技术官僚。从目前情形看，围绕“大数据”产业，正在形成技术官僚“小圈子”。

在有些人看来，名利双收的机会又来了。很显然，从中央到地方，政府财政对大数据产业的研究及扶持资金，规模空前且不断增多；市场投资人也越来越青睐大数据概念及其应用的产业。但是，针对大数据的研究成果，全世界尚没有考核标准和评价办法。

对此，应当引入“泾渭分明”的透明机制，并重点向骨干企业、有应用价值及创新技术含量的企业倾斜。可谓“泾渭分明”？就是：应用研究与基础研究分轨运行——针对企业，侧重于大数据产业的应用投入；针对高等院校、科研机构，重点支持与大数据关联的基础领域的研究。切记不要被不熟悉市场、不了解产业特征、知识结构老化的“技术官僚”所把控。

中国作为全球经济产出体量最大、消费需求规模最大的新型经济体，大数据产业对推动各个产业领域的创新发展，具有不可估量的发展空间。但是，振兴“大数据”产业，既不能盲目受产业领域专家的影响，也应当突破“技术官僚”的小圈子，面向市场、面向一流的科技企业、面向年轻的技术队伍。大致来说，应当在两个方面发力：

一是加速大数据应用的系统工程建设。这是最主要的、也是见效最快的，此举需要具备“乔布斯式的组合混搭思维”加速推进中国的大数据产业发展，即：用大数据思维模式把行业、产业专家与数据专家有机结合起来，直面各个行业领域的产业转型及业态创新。

二是加速基础数据工程建设。这是一项基础研究，是慢功夫，需要在西方现有的技术软件基础上创新研发，短期内要有突破性的成果还比较难，但要舍得投入。这方面应当由数据技术专家领衔和主导，在高等院校和对应的科研机构完成。从长远看，此举是提升国家大数据技术水准的战略举措。

切记：不要将上述两个方面混为一谈。但这与“产学研一体化”不矛盾。

4，关于“大数据产业”，需要强调的几个概念

1）“大数据产业”并非一个独立的产业，他只是一个服务性的工具

大数据技术的研究及应用，是以市场诉求及产业经济发展需要为基础的，它不过是服务于特定目标的技术手段。因此，目前最最紧缺的是行业性的大数据专才，比如医学领域急需要懂得人体生命科学及健康学的具有大数据思维的专家。

2）大数据思维比大数据本身更重要，物理模块比数字模块更有价值

因此，大数据人才并非只有数理学科的专业人才，而是混合型人才，比如：能够写计算机编码程序的人比比皆是、身价也不高，因为他们只知其然不知其所以然。然而，大数据时代的“架构师”不是单纯的数字建模和初级的行业知识，而是能够独立策划设计出产业创新发展物理模块的专家。

也就是说，玩“大数据”的技术圈子，若单纯靠Hadoop、MR、Storm、Spark、Kafka、Dataflow这些数据处理技术，只能搭建出没有使用价值的空中楼阁，其研究只能自困于小圈子而渐渐窒息。因此，如果大数据的研发及应用，只是数据技术的“圈内人”，那的确是一种悲哀。

3）“没有数据源”是个伪命题

我最近跟不少谈吐大数据的人士交流过程中，大家普遍有这样的感叹：中国的数据垄断与分割很严重，搞大数据研究缺乏数据资源，根本得不到政府各个职能部门及中国电信、中国联通这样的数据，怎么搞研究？而且也没有数据交易市场。

其实，“没有数据源”这是一个伪命题。事实上在美国、在欧洲、在日本，数据作为一种核心的资源，在很多领域、在很大程度上也是不公开的，即使美国硅谷一些专家呼吁建立数据交易市场，那也是太过天真的想法，不可能完全实现。越是大数据时代，数据资源越是宝贵，任何机构和个人越是不会轻易泄露自己的数据信息。

其实，并不是数据越多越好、数据流量越大越好，有效数据及数据关系才是最重要的。因此，大数据研究与应用，在很大程度上是研究模式和研究方法问题，如果把握好应用端的明确诉求，采集有效数据样本并不是太难。

比如：类似Hadoop（2006年发布的分布式数据开发应用程序），Spark（UC Berkeley AMP lab发布的数据并行计算框架软件）、Dataflow（数据流）等等大数据软件及名词，最初都源自谷歌等IT企业及美国一些理工科大学的实验室。它源自实践也必然生存和成长于实践。

因此，推动大数据产业发展的“数据源”主要来自自身，第三方研究服务者的数据主要来自需求方的委托。特别需要说明的是，一个真正的大数据专家应当具备的最基本的“真功夫”是：根据产业发展需求设计有效的数据样本并建立模拟应用系统，然后在实践中验证。

4）市面上诸多大数据培训忽悠的成分很大

前不久在南方某城市参加一个大数据主题的专业会议，会议主办方根据经验预估，设定了150人的接待规模，可实际上报名到会的翻了一倍。因为会议主题是“金融业大数据”及“大数据培训研讨”。参会人员多一半为国内各地高校的计算机及数学应用院系的负责...

世界包含的多得难以想象的数字化信息变得更多更快，从商业到科学，从政府到艺术，这种影响无处不在。科学家和计算机工程师们给这种现象创造了一个新名词：“大数据”。所谓大数据，那到底什么是大数据，他的来源在哪里，定义究竟是什么呢？

一：大数据的定义。

1、大数据，又称巨量资料，指的是所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具，在合理时间内达到管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。

2、大数据技术，是指从各种各样类型的大数据中，快速获得有价值信息的技术的能力，包括数据采集、存储、管理、分析挖掘、可视化等技术及其集成。

3、大数据应用，是指对特定的大数据集合，集成应用大数据技术，获得有价值信息的行为。对于不同领域、不同企业的不同业务，甚至同一领域不同企业的相同业务来说，由于其业务需求、数据集合和分析挖掘目标存在差异，所运用的大数据技术和大数据信息系统也可能有着相当大的不同。

二：大数据的类型和价值挖掘方法

1、大数据的类型大致可分为三类：

1)传统企业数据：包括消费者数据，传统的ERP数据，库存数据以及账目数据等。2)机器和传感器数据：包括呼叫记，智能仪表，设备日志，交易数据等。3)社交数据：包括用户行为记录，反馈数据等。2、大数据挖掘商业价值的方法主要分为四种：1)客户群体细分，然后为每个群体量定制特别的服务。2)模拟现实环境，发掘新的需求同时提高投资的回报率。3)加强部门联系，提高整条管理链条和产业链条的效率。4)降低服务成本，发现隐藏线索进行产品和服务的创新。

三：大数据的特点

具体来说，大数据具有4个基本特征：

1、是数据体量巨大

2、是数据类别大和类型多样3、是处理速度快4、是价值真实性高和密度低

四：大数据的作用

1、对大数据的处理分析正成为新一代信息技术融合应用的结点移动互联网、物联网、社交网络、数字家庭、电子商务等是新一代信息技术的应用形态，这些应用不断产生大数据。云计算为这些海量、多样化的大数据提供存储和运算平台。通过对不同来源数据的管理、处理、分析与优化，将结果反馈到上述应用中，将创造出巨大的经济和社会价值。2、大数据是信息产业持续高速增长的新引擎面向大数据市场的新技术、新产品、新服务、新业态会不断涌现。在软件与服务领域，大数据将引发数据快速处理分析、数据挖掘技术和软件产品的发展。3、大数据利用将成为提高核心竞争力的关键因素各行各业的决策正在从“业务驱动” 转变“数据驱动”。对大数据的分析可以使零售商实时掌握市场动态并迅速做出应对;可以为商家制定更加精准有效的营销策略提供决策支持;可以帮助企业为消费者提供更加及时和个性化的服务;4、大数据时代科学研究的方法手段将发生重大改变，抽样调查是社会科学的基本研究方法。在大数据时代，可通过实时监测、跟踪研究对象在互联网上产生的海量行为数据，进行挖掘分析，揭示出规律性的东西，提出研究结论和对策。

五：大数据的商业价值

1、对顾客群体细分

2、模拟实境3、提高投入回报率4、数据存储空间出租5、管理客户关系6、个性化精准推荐7、数据搜索

六：大数据对经济社会的重要影响

1、能够推动实现巨大经济效益2、能够推动增强社会管理水平3、如果没有高性能的分析工具，大数据的价值就得不到释放

文|中关村老李 （本文为作者独家投稿36大数据）

2017年已过去大半，是时候该回顾一下大数据在半年中的发展了。只有清楚了现在的位置，清楚行业发展的环境，才好对未来的决策做出准确的判断。(本文是针对一月份所写的2017年的展望做出的进一步细化和调整，相关内容可以参见大浪淘沙，一文)。

如年初所料，大数据的高潮并未到来。就在刚刚结束的一次大数据峰会上，恒泰证券的牛总也坦承，线上数据还远未达到线下数据的成熟度。一个客户去线下的券商柜台办业务，简单几分钟的行为，如果用线上去刻画，则需要很大量的数据去支持，而目前的数据成熟度显然没有达到。

大数据的真正高潮，一定首先是数据极大地丰富和成熟。

为了有比较，我还是拿一月份那篇文章的几个维度来作对比，说明过去半年中大数据产业都有了哪些变化。

1 产业链

在年初的时候，根据产业的发展我将去年认为的产业链中四个环节压缩至了两个，即数据服务平台提供商和数据解决方案提供商。

通过上半年进一步观察发现，虽然市场上确实以这两种角色为主体，但在具体项目中，这二者基本没有形成上下游产业链的局面，取而代之的却是单独的行为。比方说，在一些行业市场中，数据服务平台提供商向前跨越，直接面对行业客户，向他们提供其所拥有的外部数据(往往本身就拥有海量的2C数据入口，可以源源不断地生产2C数据)、数据处理服务;而在另一部分行业市场中，数据解决方案提供商(缺乏2C数据，可能拥有部分2B数据)，使用行业用户自身的数据，部分外部公开的数据以及自己强大的数据处理服务能力，为行业客户提供某个方向的解决方案。上面两个角色之间基本没有合作，没有交集，很少在市场上直接竞争。

究其原因，个人认为有两个方面，一个是市场的成熟度决定的，还有一个就是由法律或者说政策环境决定的。

首先，这是由市场的成熟度决定的。目前的行业应用市场还处于早期，一部分行业用户的需求还集中在直接用外部数据的简单加工，与其内部数据打通，为其提供服务，因而还不需要在本行业更为专业的解决方案提供商的存在;而另一种情况，由客户自身提供数据，结合自身掌握的公开的数据，提供数据集成服务的解决方案提供商，也是由于客户自身的技术实力还不足而出现的市场。这都从不同程度，反映了市场发展的成熟度不足的问题。

其次，数据的交易目前在我国还是一个敏感的话题。虽然数据服务平台提供商拥有海量的2C数据，可如何与第三方合作，为行业客户提供他们所需要的解决方案，还是个无法触碰的禁区。

6月1日生效的个人隐私安全法(下面简称隐私法)，只说明了“干什么”不行，但并没有规定“如何做”才是可以的。而这个“如何做”才行的体系，需要经过几年时间的建立才可能完成。法律环境的滞后，也限制了行业的进一步发展，资源将进一步向掌握数据的巨头集中。虽然这样做便于管理，数据集中在几个巨头手里好监管，不会产生隐私数据满天飞的乱象，但缺点也是显而易见的。数据无法打通，就会形成一个个信息孤岛;数据无法流动，就使数据应用受到很大局限。这一点，恐怕是监管部门最应该尽快解决的问题。

2 模式

在业务模式方面，基本也由掌握数据资源的情况决定了采取的业务模式。

如果你本来拥有海量2C的入口，一般多会采取B2B2C的业务模式(数据服务平台提供商多以此模式);

如果你没有2C入口，基本多以采取2B的模式居多(数据解决方案提供商多为此)。

业务模式确定了，其实所做的市场也就确定了。这就是我在上面说的，这二者之间并无直接的冲突，因为覆盖的市场不同。

也由于二者的资源不同，起点不同，服务的对象不同，所以，所拥有的技术优势也截然不同。相对而言，数据服务提供商一般会更多地覆盖精准营销、个人风控等领域的技术;

而数据解决方案提供商一般会更多地运用行业客户自身的数据，利用强大的数据处理能力，向行业的纵深走，解决某一行业的特定问题，形成初步的行业解决方案。

从发展的角度讲，B2B2C的模式显然要快于纯2B的节奏。这是行业市场发展的阶段决定的。直接用外部数据，经过简单处理，就可以帮助部分用户解决他们已有的问题;而纯2B的市场，不是数据的简单集成能形成的解决方案或者产品，需要经过数据的深层次加工，所以目前还多以项目的形式出现，还处于行业产品的第一轮迭代当中，要滞后于B2B2C市场的发展速度。这并不是说2B市场不好，而是市场发展阶段不同。一旦行业市场成熟，数据市场也成熟的话，简单的数据产品很快就会贬值;复杂的数据加工产品，就会凸显其价值。只有2B才可能会产生深入行业的复杂的数据加工产品，只是先后体现的问题，都有其自身的价值。

3 用户需要什么样的数据伙伴

我们经常都想卖给客户产品，希望客户接受我们的理念，可反过来想，客户需要什么样的数据合作伙伴?要保持一个什么样的关系?

在刚刚过去的一次大数据峰会上，惊喜地发现，很多行业客户已经意识到这个问题，大数据不同于以往的IT项目，不能单纯地以甲乙方的形式存在，已经超出了传统的建设和被建设的关系。取而代之的，是一个合作共赢，长期共存的生态链。客户是在清楚了整个体系的全貌才做出这样的取舍，显然是理性的，成熟的。

由于资源(外部数据)的局限，客户不可能通过服务提供商的一次建设，就能够完全掌握并独立运营。时代的发展也不允许客户有时间去慢慢消化，学习，独立运营所有的系统，他们必须要引入数据服务合作伙伴，整合双方的资源，而迅速地形成生产力。社会的成熟，分工进一步细化。TIME to Market决定了你没必要每一件事儿都自己去做。行业客户将注意力更好地聚焦在起主业上，而数据部分，会依赖数据合作伙伴来一起参与，共同经营。

由这一目标就决定了，这部分客户对外部数据服务提供商的诉求，是“外部数据”+数据处理”(包括数据处理系统以及数据处理能力)+“数据融合”(这并不等同于数据处理，主要侧重于数据应用;不但需要数据服务提供商具有丰富的数据应用经验，还需要数据服务提供商具有丰富的行业经验)。

这一点，上面的两个角色都可以满足，只是数据服务平台提供商侧重于外部数据资源，而解决方案提供商侧重于对数据的理解和数据的融合能力。

4 方向

我依然坚持年初的观点，我们正在经历一个从IT到DT的跨越的时代。大数据，机器学习，人工智能，都是这一跨越中的工具。

在过去的一年多的时间里，不管2B也好，B2B2C也好，不可否认的是，客户的数据思维正在建立。虽然市场上很多人分不清楚什么是典型的传统数据业务，什么是典型的大数据业务。但起码，现在越来越多的人开始拿数据来说话。

这一点在刚刚结束的大数据峰会上得到了印证。这绝非一句空话。在我们感叹德勤财务机器人的时候，其实数据思维远不止于此!

我所知道的一个银行客户，仅仅利用大数据技术，对存量客户进行了挖掘，并且用数据思维重构、优化了原有的流程。在几个支行的试点中，仅用了3-6个月，在经济下滑的今天，就取得了平均增速提高30%-100%的耀眼业绩!用数据去提升生产力，用数据思维去重构你原有的业务流程。你理解的越深，意识的越早，你在这次变革中，就越可能占据先机。这绝不是一个简单的战术行为，而是一次战略的转折!

数据技术是战术，而数据思维是战略。

无论是数据服务平台提供商，还是数据解决方案提供商，都在各自的方向上走出了坚实的一步，其价值已经得到了各自市场的认可，进入了良性的循环。虽然，短时间内还处于投入大于产出的局面，但曙光在前，已经在一个量变到质变的积累过程当中。随着技术和数据的进一步成熟，随着行业的深入，相信不远的未来(可能是2-3年)将会迎来数据时代的真正高潮！

关于作者：

中关村老李，前海航云商大数据业务总裁，目前就职于BBD出任助理总裁。老李既有二十余年多行业系统集成的经验，又有十多年开拓新市场新业务的经验，做事沉稳扎实，对新市场和新业务有着敏锐的感知和深入的洞察力。老李于2012年加入百分点，负责移动端个性化推荐业务； 2015年加入海航，组建大数据业务部，在很短的时间内就在出行行业反欺诈、金融科技等领域取得突破，并完成了商业闭环。2017年加入BBD，继续在大数据应用领域探索践行。

End.

本文转自：九次方大数据

为期4天的2018中国国际大数据博览会在贵州省贵阳闭幕。据了解，本届数博会参会观展规模超过23万人次，创历史新高。

贵阳的大数据产业是如何发展起来的？

贵阳自2013年开始谋划大数据，2014年3月在全国率先实施大数据战略行动。记者在和贵阳当地人交流中，当地市民都会提起贵阳前市委书记，现任河北省委常委、副省长，雄安新区党工委书记、管委会主任陈刚在贵州大数据产业发展中所起的作用。记者查阅资料发现，陈刚在2013年7月到2017年5月在贵州省担任了近四年省委常委、贵阳市委书记。这四年恰是贵阳发展大数据产业蓬勃发展的阶段。根据公开资料显示，自2012年起，陈刚任北京市委常委，分管中关村的工作。履任贵阳后，陈刚把治理中关村的经验带到了贵阳，提出发展大数据与建立智慧城市。从2013年起，贵州建立了全球首家大数据交易所，出台了全国首部大数据地方法规，构建了全国首个大数据综合建设试验区。陈刚提出，大数据利用不好就会造成数据的安全问题，但在贵州这样具有“容错空间”的不敏感地区先行先试，是为国家大数据的发展探索出一条出路。

天然空调是得天独厚的优势

2017年5月初，在腾讯举办的一场访谈中，陈刚谈到贵州发展大数据的优势：“贵州虽然比较穷，但是老天爷对人还是公平的，给我们贵州底下存了200亿吨煤。我们会就地发电，电价比别的地方便宜，而且来得稳定。”做数据运营中心需要大量的耗电，服务器机房又被戏称为“吃电怪兽”。除了发电，陈刚提到凉爽的气候让贵州在机房散热、减少耗电方面有得天独厚的优势。“大数据的成本将近50%是耗电，一块是本身机柜的耗电，第二块是空调(散热)的耗电。我们那个地方室外本来温度就低，第二个方面就是空气很干净，不需要一层一层的过滤， 稍微过滤一下就可以直接进机房了。”

如今，外界提到贵州，已不再仅限于茅台酒、遵义会议会址、老干妈、黄果树大瀑布。

大数据产业已成为全球经济发展的新引擎。目前中国处在新旧动能转换时代，如何用好大数据，加速新技术、新产业、新商业模式的发展，改造提升传统动能，形成发展新动能，对形成中国经济增长具有战略意义。用好大数据可助推中国经济的高质量发展。中国经济时报记者日前采访了九次方大数据创始人、贵阳大数据交易所执行总裁王叁寿。

王叁寿认为，大数据产业对中国具有特殊意义，成为新常态下发展中国经济的新动能、引领国家创新战略的力量。中国已做好迎接大数据产业大变革的准备，并将持续加强数据开放与互联互通，推动实体经济与数字经济融合，以数字化驱动商业模式创新，不断创造新的可能，让世界认识一个全新的数字中国。

推动数据融合共享实现技术及制度创新

大数据产业时代，大数据成为关键要素。解决数据流通与共享问题，是促进大数据产业有效健康发展的必由之路。交通、住房、教育、医疗、家政、金融等与人们生活息息相关的服务业领域，因数据互联互通为大数据产业注入动能，释放出新的“数字红利”。

王叁寿表示，数据只有在流通、共享、应用中才能创造价值，实现质量、效率、动力变革。政府对大数据的支持程度和开放力度，决定了数字经济能走多远，政府需要考虑如何通过合适的方法把它共享出来。例如建设全国一体化的国家大数据中心，推进公共数据开放和基础数据资源跨部门、跨区域共享。

在他看来，实体经济是大数据产业发展渗透的重要领域，要以大数据产业引领带动实体经济的创新，为传统产业注入新活力。以数字为杠杆，我国经济正进行深层次的变革。一方面，大数据产业带动传统产业转型升级，各行各业都在通过数字化构建更敏捷的生产、经营、管理体系。另一方面，在数字化过程中，孕育了更多新的产业和企业，推动中国经济向大数据产业发展。

为大力推动实体经济和大数据产业融合发展，中国将提升网络和信息技术支撑能力，坚持数据驱动和创新驱动并举，促进实体经济转型升级；聚焦工业互联网建设，推动实体经济和大数据产业融合发展。

随着大数据成为撬动第四次产业革命的“支点”，新技术支撑的新业态、新模式正在中国各个领域蓬勃兴起。大数据引发的创新及其服务生态的不断演进，恰好能与国家创新体系的建设契合、与国家科技创新体系的深化改革契合。王叁寿指出，中国进入创新突破期的关键时点，瞄准全球数字产业的最新趋势和技术前沿，将实现大数据技术创新、商业模式创新及制度创新。

推动政府数据向数据价值转化

中国大数据应用市场现阶段依然以政府大数据应用为主，应驱动政府数据价值融合于时代发展，实现政府数据向数据价值转化。

《2018年世界经济形势与展望》显示，2017年全球经济增长速度达到3%，其中，中国对全球经济增长的贡献最多，约占1/3。实际上，中国数字化经济发展的独特优势和核心竞争力是中国拥有海量的数据，而在这其中，政府数据资源占“大头”。

作为世界人口大国，我国政府数据资源储量极为丰富，广泛存储于各地、各级政府机关院所等不同单位、不同部门、不同系统甚至不同网络环境中，数据种类繁多、数据质量较高，其潜在价值可观。据有关数据推算，我国政府部门数据开放的潜在价值可达10万亿至15万亿元。

王叁寿指出，政府作为大数据建设和应用的主导力量，不仅掌握着有价值的数据，而且能最大限度调动社会资源，能整合推动大数据发展的各方力量，应用大数据将决定着能否发挥大数据潜在的战略价值，推动数字经济发展，助力新时代中国的高质量发展。

基于对大数据行业及我国数字经济发展的审视与思考，王叁寿提出，中国大数据应用市场现阶段依然以政府大数据应用为主。

当前，政府数据资源正走向“集约整合、全面互联、开放共享、协同共治”的新阶段。政府大数据应用可以推进政府管理和社会治理模式创新，实现政府决策科学化、社会治理精准化、公共服务高效化；助力教育、就业、社会保障、医疗、交通、扶贫等广大群众普遍关注的问题得到有效解决；完善基于大数据核心技术、新一代信息基础设施、政府数据资源和社会数据资源规划、网络空间治理等方面的数据安全法规制度和标准体系、科学规范，维护群众利益、社会稳定和国家安全。

>